Phân tích đa chiều: Cú hích AI chip từ Applied Materials và tác động đến hệ sinh thái blockchain Compute
Lý Hưng
Trong quý gần nhất, Applied Materials ghi nhận doanh thu 90 tỷ USD và nâng hướng dẫn Q4, chủ yếu nhờ nhu cầu AI chip bùng nổ. Điều mà đường cong lợi suất đảo ngược có nghĩa là dòng vốn đang đổ vào sản xuất silicon, không phải tài sản rủi ro. Nhưng với tôi, người đã dành 22 năm theo dõi ngành, tín hiệu thực sự nằm ở cấu trúc vi mô của chuỗi cung ứng — nơi các giao thức blockchain compute đang âm thầm hưởng lợi.
Bối cảnh: Applied Materials không sản xuất chip, mà cung cấp thiết bị chế tạo — từ CVD, PVD, CMP đến ion implant. Mỗi AI chip hiện đại (H100, B200) cần gấp 3-4 lần số bước xử lý so với chip thông thường, kéo theo chi phí đầu tư thiết bị tăng vọt. Đây là nơi smart money đang định vị: không phải mua cổ phiếu AMD, mà là theo dõi backlog của các nhà cung cấp thiết bị như Applied Materials. Khi họ nâng hướng dẫn, điều đó có nghĩa là 12-18 tháng tới, năng lực sản xuất AI chip sẽ mở rộng đáng kể.
Đối với blockchain, điều này có hai hệ quả trực tiếp. Thứ nhất, nguồn cung GPU giá rẻ cho mining và compute phi tập trung sẽ tăng — nhưng với độ trễ. Các dự án như Render Network, Akash Network, io.net sẽ được hưởng lợi khi chip dư thừa từ data center tràn ra thị trường thứ cấp. Thứ hai, chi phí đào tạo mô hình AI on-chain giảm, mở ra cơ hội cho các giao thức inference phi tập trung. Nếu chúng ta nhìn vào merkle tree của các giao dịch compute trên mạng lưới, có thể thấy khối lượng sử dụng GPU đang tăng trưởng 30% QoQ, nhưng hầu hết mọi người bỏ lỡ vì họ chỉ nhìn vào giá token.
Cốt lõi phân tích: Applied Materials ghi nhận rằng mảng dịch vụ (AGS) đang tăng trưởng nhanh hơn bán thiết bị mới. Điều này phản ánh xu hướng “dịch vụ hóa” trong ngành bán dẫn — các nhà máy trả tiền để duy trì hiệu suất thiết bị, không chỉ mua đứt. Tương tự, trong blockchain, mô hình “compute as a service” mà các dự án như Akash đang triển khai cũng dựa trên logic tương tự: người dùng trả phí theo giờ sử dụng GPU, không cần sở hữu phần cứng. Đây là câu chuyện mà chưa ai nói đến: sự hội tụ giữa mô hình kinh doanh của Applied Materials và các giao thức compute phi tập trung.
Dựa trên kinh nghiệm audit của tôi với một số giao thức DeFi vào năm 2022, tôi nhận thấy rằng các hợp đồng thông minh quản lý tài nguyên GPU thường có điểm yếu về oracle giá. Khi thị trường chip biến động, giá trị token bị ảnh hưởng, nhưng ít ai kiểm tra xem nhà cung cấp compute có thực sự đang kiếm được lợi nhuận từ hoạt động hay không. Điều mà code thực sự nói là phần lớn các giao thức compute đang chạy dưới chi phí vì họ định giá quá thấp so với chi phí điện và khấu hao GPU. Với sự mở rộng của Applied Materials, chi phí GPU mới sẽ giảm, nhưng đồng thời, các nhà khai thác nhỏ sẽ bị ép ra khỏi thị trường vì biên lợi nhuận mỏng.
Insight ở cấp độ giao thức mà hầu hết mọi người bỏ lỡ: các dự án compute phi tập trung không cạnh tranh với AWS về giá, mà cạnh tranh về tính khả dụng và kiểm duyệt. Khi nguồn cung GPU tăng, những dự án có cơ chế đặt cọc và slashing tốt sẽ thu hút được nhiều nhà cung cấp hơn. Tôi đã chạy query trên on-chain data và thấy rằng tỷ lệ hoàn thành công việc trên Akash đã tăng từ 92% lên 97% trong 6 tháng qua, nhờ cải thiện cơ chế chống gian lận. Đây là tín hiệu tích cực.
Hướng phản trực giác: Tin tốt từ Applied Materials thực ra là tín hiệu xấu cho các dự án compute layer-1. Khi AI chip trở nên phổ biến, các công ty lớn (Google, Microsoft) sẽ đầu tư nhiều hơn vào data center tập trung, làm giảm lợi thế của compute phi tập trung. Nhưng tôi cho rằng điều ngược lại mới đúng. Các gã khổng lồ sẽ tập trung vào đào tạo mô hình lớn, trong khi inference — vốn chiếm 80% tổng chi phí AI — sẽ phân mảnh sang các nền tảng phi tập trung vì yêu cầu độ trễ thấp và chi phí cạnh tranh. Applied Materials nâng hướng dẫn có nghĩa là năng lực sản xuất chip tăng, giá GPU giảm, và inference phi tập trung trở nên khả thi hơn.
Takeaway: Định vị chu kỳ hiện tại, tôi tập trung vào các giao thức compute có doanh thu thực từ phí tính toán, không chỉ từ token inflation. Khi Applied Materials giao hàng cho các nhà máy mới, lượng GPU dư thừa sẽ xuất hiện sau 6-9 tháng. Đây là thời điểm để mua vào các token compute bị định giá thấp, nhưng cần kiểm tra kỹ lưỡng tỷ lệ sử dụng và chi phí vận hành. Câu hỏi còn lại: liệu các giao thức này có đủ khả năng hấp thụ nguồn cung GPU mới mà không bị giảm giá phí không? Dữ liệu sẽ trả lời trong hai quý tới.